把网站抓取并转为 Markdown 的开源爬取服务——这是 Firecrawl 最主要的用途，也是本文讨论的前提。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
命中率正确资料是否出现在前几条结果中明显不合格无需修改即可使用
引用准确回答引用的段落是否真的支持结论明显不合格无需修改即可使用
时效性信息是否足够新，是否标明日期明显不合格无需修改即可使用
覆盖度多来源问题是否兼顾了不同观点明显不合格无需修改即可使用
拒答能力没有依据时是否承认不知道明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

构建问答测试集

适用情况：手头有一份产品手册时。

根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。

检查点：每个答案都能在手册中找到。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Firecrawl 的结果与人工完成或 Jina Reader 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

资料卡片整理

准备材料：搜索得到的十几篇资料。

把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。

检查点：每张卡片都有来源。

带来源的快速调研

适用情况：手头有一个需要事实支撑的问题时。

请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。

验收标准：关键结论都有可点击来源。

检索效果对比

准备材料：同一批问题和两种检索配置。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

交付前确认：对比用同一批问题。

常见问题：中文检索效果差

选择对中文支持好的嵌入模型，并为专有名词建立同义词。

常见问题：表格内容检索不到

换用能保留表格结构的解析工具，或单独把表格转成文本描述。

常见问题：回答过于笼统

要求逐条引用原文，并限定只回答文档中有依据的内容。

概念补充：引用溯源

回答附带原文出处，便于核对。

概念补充：嵌入（Embedding）

把文本转成向量，用于语义相似度检索。

适合人群：记者编辑

记者编辑可以用 Firecrawl 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。

适合人群：研究生

研究生可以用 Firecrawl 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。

使用提醒

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

涉及个人信息、商业机密或受监管数据时，先确认 Firecrawl 的数据处理条款，再决定能否使用。

延伸阅读